🤖 自动驾驶讲了这么多年，很多人还是搞不清车上那堆“眼睛”到底谁负责什么。这期视频用十分钟把机器视觉从原理到市场捋了一遍，我重新组织成一条更好走的线。

开头那个类比很妙：人眼识别一张图分三步，成像、传输、处理。机器视觉也是三步：光学系统采集图像，图像传感器把光信号转成电信号，计算单元和算法做识别分析。市面上二目、三目、毫米波、激光雷达、结构光、ToF 五花八门，其实第二步第三步都差不多，差别全在第一步怎么采。

一、第一步：怎么从平面里长出深度

图像是三维世界的二维投影。只看一张平面图，机器能认出这是什么，但不知道离我多远。要跟环境交互，就必须把距离和深度补回来。

飞行时间法：算光跑一趟要多久

发一束光出去，遇到物体反射回来，记下往返时间乘以光速，距离就出来了。同时发很多束光打到凹凸不平的表面上，每一束得到一个点的距离，大量点凑在一起就是点云。激光雷达走的就是这条路：每秒向四周发射数百万个激光脉冲，在空间坐标里落下数百万个点，勾出物体轮廓，再由算法判断是什么、有多远，然后决定避让行人还是自动泊车。

三角测距、结构光、双目：都是几何题

激光三角测距靠发射器和传感器之间的基线，加上光线角度，用三角关系算距离；结构光往物体上投条码或网格图案，图案在凹凸表面会变形，反推形状和距离；双目立体视觉最像人眼，两只眼睛位置不同，看同一物体有视差，大脑把两幅图合成出立体感。两个摄像头拍同一物体，计算机用视差算深度，原理一模一样。

二、光学方案怕雨雾，所以要配上毫米波

📐 上面这些都属于光学方案，共同的软肋是恶劣天气：大雾、大雨会影响光线传播，也会拉低成像质量。这时候轮到毫米波雷达和超声波雷达，它们的原理跟飞行时间法差不多，只是把光换成了毫米波或超声波。代价是测量距离和精度弱一些，好处是扛得住环境。

所以 L3 以上的车基本不赌单一路线：摄像头、毫米波雷达、激光雷达搭配着上，既适应复杂环境，又能拿到更精确的信息。

三、第二步和第三步：传感器与算力

光信号进来，图像传感器扮演视网膜的角色。它由成千上万个感光单元组成，光线打到感光材料上激发电子产生电荷，这就是光电效应；电荷被收集、转成电压或电流，再由芯片转成数字信号送给处理器。像素越高，单位面积里塞的感光单元越多，细节和分辨率就越好，手机厂商年年喊的多少万像素，就是这件事。

处理这一步交给 CPU、GPU 或专用图像处理器：提特征、去噪、色彩校正，再按模型做识别、分类、检测。上了深度学习之后，还要理解画面内容、给出解读。

四、判断一个新方案，就看两把尺子

💰 新兴产业的发展脉络通常两条：成本往下走，技术往上走。成本降到有经济性，技术才有商业化落地的可能，路径无非是大规模量产、国产工艺突破、换材料；技术往上走，是让机器的感官越来越接近人眼和大脑，镜头更清晰、激光发射源更密、像素更高、算力更强。

五、三种路线的账：贵在哪，省在哪

L2 以下的辅助驾驶，普遍用毫米波雷达。技术成熟、成本低，便宜的几百块一个，贵的也就千把块，能探到一两百米外的障碍物，大致知道多远有个什么东西。缺点是清晰度不够，分不清那到底是个锥桶还是个人，所以只能做初步避障，车道识别、自动泊车、主动礼让这些就吃力了。

想要更高阶的智能，就得上激光雷达。它能认出几百米外的细节，两百米外是个易拉罐，路边有个人牵着一条狗。距离分辨率和精度全面压过毫米波，代价是价格：便宜的五千，贵的上万。一台二三十万的高阶智驾车，装几颗激光雷达就要占掉好几万的成本，在价格战打得正凶的时候，这笔账很难算。

马斯克那句“傻子才用激光雷达”就是这么来的。特斯拉走纯视觉方案，车身前后装满摄像头，一个镜头几百块，八个加起来的钱还不如一颗激光雷达，真正的门槛在算法不在硬件，而算法恰好是特斯拉的强项。短板也明显：能见度差的时候不好使，探测距离也有限。

于是行业分成两条路：把便宜的方案做强，或者把贵的方案做便宜。4D毫米波雷达属于前者，传统毫米波只能测距离、速度、角度，测不了高度；加了高度这一维，就能把目标和周边环境拼成完整画面，识别准确度明显提升，价格又比激光雷达低一大截，正好卡在中间。激光雷达的迭代属于后者，早期产品要架在车顶旋转扫描，体积大、装配难、看着也别扭；后来用微振镜把光束反射出去扫描，体积小了、激光器用量少了，成本跟着降，才装得进车头和机器人。

六、机器人是试验田，汽车才是真市场

🚗 机器人这块，最典型的是特斯拉的纯视觉：八个摄像头做 360 度环绕，算法直接把 FSD 那套神经网络搬过来，配自研芯片，靠大量真实行驶数据自学习。八百万像素的车载镜头单颗四五百块，八个摄像头硬件成本四千块左右，但全世界目前只有特斯拉能这么玩，靠的是算法积累。

其他家基本是组合拳：波士顿动力用激光雷达加深度相机，小米用 iToF 加 RGB 深度模组，优必选用多目视觉加 RGB 相机和超声波。假设一套五千元的激光雷达加多个 ToF 相机合计一万元，按五年一百万台的销量算，人形机器人这块的市场大概一百亿元。但单机价值量低，放在整条产业链里并不算大蛋糕。

真正的增量在车上。L3 车型一般配 2 到 4 颗激光雷达、12 个摄像头、2 到 4 个毫米波雷达，单车价值量约两万元。按券商测算，2025 年 L3 渗透率到 15%，国内一年卖两千万辆车，就是三百万辆 L3，对应六百亿元的市场。所以业内管 2024 年叫 L3 元年。

🔑 一句话收尾：机器视觉这条链上，技术路线还没定标准，谁都不敢押死；对企业来说，挤进爆款车型或爆款机器人的供应链、拿到大订单，比讲清楚技术原理更决定生死。